基于局部稀疏对应点组合的从MR图像预测CT图像的方法

摘要

一种基于局部稀疏对应点组合的从MR图像预测CT图像的方法，包括（1）测试MR图像进行归一化处理；（2）对测试MR图像的点x，提取以x为中心的图像块，获得测试样本                                               ；（3）从MR训练集图像中，提取参照局部搜索窗内每个参照点的特征块构成MR字典；（4）从MR训练集图像中选取与测试样本 k个相似的块形成MR字典，获得CT字典；（5）探测CT字典的离群值，得到CT字典)和MR字典（6）求解字典系数；（7）加权合并CT字典)，预测点x的CT值；（8）对MR测试图像中每个点重复步骤（2）-（7），最后对重叠的图像块加权合并，获得每个点的CT值，得到预测CT图像。本发明能够从多模态MR图像准确预测CT图像。

主权项

一种基于局部稀疏对应点组合的从MR图像预测CT图像的方法，其特征在于：基于如下两种假设：    Ⅰ，MR图像块和CT图像块位于两个非线性流形上，每个像素点形成的图像块可以由其所在流形的局部空间内的近邻样本线性组合；Ⅱ，在局部约束条件下，MR图像到CT图像的映射近似于一个微分同胚映射；该方法预先获得MR/CT参照图像对到得训练集图像，包括：（a）建立数据库，数据库中每组数据包括同一病人的在T1、T2两种模态下的加权MR参照图像和CT参照图像；（b）仿射配准MR参照图像和CT参照图像，将MR参照图像的T1、T2模态下的图像和CT参照图像对齐，获得MR参照图像和CT参照图像对，并获得训练集图像；具体包括如下步骤：（1）对测试MR图像进行归一化处理，使测试MR图像与训练集图像相配准；（2）对归一化处理后的测试MR图像里的点x ，提取以x为中心的图像块，再将图像块转换为列向量，表示为和，以测试样本表示，其中，t表示两种模态：T1和T2，R表示一个矩阵，m是块转换为列向量之后的大小，矩阵的大小为m1，、两个图像块表示两种不同的模态下测试MR图像选出的测试图像块；（3）在MR训练集图像中与MR测试图像中点x位置相对应的点设置为参照点x，在MR训练集图像中以参照点x为中心设置参照局部搜索窗，从MR训练集图像中，在参照点x为中心的参照局部搜索窗内，提取参照局部搜索窗内每个参照点的特征块，构成MR字典；（4）在参照点x位置，使用k‑近邻算法从MR训练集图像中选取与测试样本k个相似的块形成MR字典，并获得相应的CT字典；（5）探测CT字典的离群值，删除不相似的离群值后获得新的CT字典)，并删除与CT字典的离群值对应的MR字典中相应的离群值，得到与CT字典)对应的MR字典，代表新字典的样本个数；（6）用局部线性表达测试样本，用局部线性表达算法求解字典系数；基于假设I，MR字典可以线性表示MR测试样本，系数中的每个元素表示与测试样本的相关程度，采用LAE算法通过以下方程求解系数：……   1）表示测试样本在字典的个近邻，，使用梯度投影方法求解；（7）加权合并CT字典)，预测点x的CT值；基于假设II，可得函数……   2）由于可用于局部线性表示，说明具有局部线性特性，由此可得：……3)    结合公式2),可得：……4)使用加权系数向量乘以CT字典)得到向量，将向量转换为图像块，进而得到以x为中心的CT预测图像块；（8）对MR测试图像中的每个点重复步骤（2）‑（7），最后对重叠的CT预测图像块加权合并，获得每个点的CT值，根据每个点的CT值获得预测CT图像。